导读:本文包含了支撑矢量机论文开题报告文献综述、选题提纲参考文献，主要关键词:矢量,信源,纸币,矩阵,序列号,线性,算法。
支撑矢量机论文文献综述写法
陈虎[1]（2017）在《基于参数优化的支撑矢量机及其在故障诊断中的应用》一文中研究指出为了有效的诊断出设备的故障,给出了一种基于参数优化的支撑矢量机算法。该算法首先引入免疫克隆选择机制,以两个十进制数表示一个抗体来构建抗体群,以漏报率为基础构造亲和度函数,实现支撑矢量机参数的优化。然后使用优化后的参数构造支撑矢量分类器对设备数据进行分类检测。通过在汽轮发电机组的数据集上进行仿真验证,实验结果表明,该算法相对传统的支撑矢量机算法不会显着增加训练时间,并且能够有效提高检测率和降低误检率。(本文来源于《重庆交通大学学报(自然科学版)》期刊2017年10期）
沈彦波[2]（2012）在《面向智能信息检索：集成支撑矢量机排序、约束自适应传递和交互式图像检索》一文中研究指出本论文主要研究机器学习用于信息检索：排序学习、半监督核矩阵学习以及用户交互式图像检索。排序学习已经被成功用于文件检索,Ranking SVM是排序学习中一种常用的经典算法。然而,在Ranking SVM中,训练模型的时间复杂度很高,当训练集较大时,需要花费的时间很长。为解决该问题并提高排序的精度,本论文提出将集成学习的方法用于改进Ranking SVM,集成支撑矢量机排序提高了模型训练的效率,并获得较好的排序结果。半监督核矩阵学习旨在利用给定数据集中少量的已知信息(例如少量的标签或者对式约束)为该数据集学习一个核矩阵。本文给出一种新的约束信息自适应传递方法(CAP),设计两个自适应逼近项用于克服传统的半监督核矩阵学习方法对式约束传递(PCP)和核传递(KP)中偶尔会出现的信息缺陷问题。在CAP法中约束信息得到充分传递,因此比传统半监督核矩阵学习取得更好的效果。传统的基于区域的图像检索技术很难抓住用户的目标。为解决该问题,本文给出一种新的用户交互式图像检索系统。该系统的核心思想是利用少量的用户交互信息从查询图像中提取用户关注的查询目标,并用该目标对图像库进行检索。同时引入CAP半监督核矩阵学习方法,利用相关度反馈信息,对检索得到的初始结果主动进行核学习,并对检索图像进行重新排序。提高了图像检索的相关度。(本文来源于《西安电子科技大学》期刊2012-01-01）
赵汇强,张玉萍,赵波[3]（2011）在《基于支撑矢量机的信源数估计》一文中研究指出为了改善在低信噪比、小快拍、色噪声环境下盖氏圆准则信源数估计算法的估计性能,提出了基于支撑矢量机(SVM)的信源数估计算法。基于支撑矢量机的信源数估计算法应用天线阵列接收数据协方差矩阵经特征值分解后,噪声的特征矢量与天线阵列的阵列流型正交的特性,通过盖氏圆算法提取信号和噪声的分类特征,再构造和训练两类分类矢量机,将天线阵列接收的数据分为信号子空间和噪声子空间。通过仿真实验比较了本算法与其他经典算法在低信噪比、小快拍、色噪声环境下的信源数估计性能,结果证明本算法对信源数的估计精确度要高于其他经典算法。(本文来源于《河北科技大学学报》期刊2011年04期）
艾朝霞,李成荣,拓耀飞[4]（2011）在《基于支撑矢量机的纸币序列号识别》一文中研究指出在完整分割序列号的基础上,将所有字符图像分为训练数据和测试数据,以字符图像本身作为特征,利用支撑矢量机进行训练和识别。利用分类器对两种不同的策略进行了实验(即字母和数字混合识别;字母和数字分别识别),结果表明,后者不但在时间上有所缩短,而且识别率更高,是更为可取的方法。(本文来源于《榆林学院学报》期刊2011年04期）
余剑[5]（2011）在《基于多层支撑矢量机分类算法提取最优抗体集的研究》一文中研究指出提出在危险模式入侵检测系统中使用利用多层支撑矢量机分类算法对免疫克隆算法对原始数据的行为特征集进行优化获得的最优抗体集合,可以大大缩短危险模式入侵检测系统抗体模式库的训练时间。(本文来源于《煤炭技术》期刊2011年07期）
刘卓[6]（2010）在《基于曲线波变换和核支撑矢量机的SAR自动目标识别方法研究》一文中研究指出机器学习和多尺度几何分析理论已经渗透于多个学科,并在信号处理、图像处理、模式识别、信息检索、数据挖掘、自动控制等领域取得了丰富的成果。本文就是利用Curvelet变换和核机器学习方法研究SAR(Synthetic Aperture Radar)自动目标识别,以及SAR遮挡目标识别的相关问题,针对识别过程中的目标特征提取和机器学习机两个方面完成了如下工作:1.针对SAR目标特征提取问题,提出了基于曲线波变换的SAR自动目标识别方法。该方法利用Curvelet变换,对目标提取区域和轮廓两部分特征,其中轮廓信息可以弥补由于分割导致区域信息提取的误差。将轮廓和区域特征二者结合作为SAR目标的最终特征,进而利用支撑矢量机进行分类识别。实验结果表明本文提出的算法有效的提取了目标信息,提高了识别率。我们也将该方法用于SAR遮挡目标的识别,实验结果表明该方法对于遮挡目标的识别问题同样具有较好的稳定性与有效性。2.鉴于小波的时频多分辨特性和良好的逼近特性,我们将小波与核支撑矢量机结合起来,构造了Meyer小波核,并将其用于SAR目标识别。小波函数的使用弥补了高斯核支撑矢量机对带有奇异点函数曲线逼近的缺陷,而对于光滑函数,小波核的逼近性能与高斯核相当(在同一数量级)。回归估计实验和SAR目标识别实验结果表明,我们所构造的小波核具有良好的回归估计和目标识别性能。该核函数的构造为应用核机器学习方法提供了更多可供选择的核函数。3.由于不同的核函数决定不同特征空间,小波核可张成一维空间最优基,但不能够简单的推广至高维空间。鉴于多尺度几何分析很好的高维信息处理能力,本文提出了一种类似曲线波变换机理的核支撑矢量机算法。该方法利用免疫克隆选择算法来选取最优投影向量,然后在最优方向上进行小波核映射。这种类似曲线波变换的机理可以实现对高维信息更好的逼近性能。我们将该方法用于回归估计和SAR自动目标识别,实验结果表明了本章算法的有效性。(本文来源于《西安电子科技大学》期刊2010-01-01）
任双桥,王宏强,黎湘,庄钊文[7]（2009）在《多类扩码支撑矢量机》一文中研究指出本文通过扩展类别标示符二进制编码,提升决策空间的维数以增强决策函数的分类能力,提出了一种新的多类扩码支撑矢量机模型——半对半算法(Half-Versus-Half)。该模型通过序贯解耦求解,有效地提高了运算速度,同时克服了测试过程中的判决"死区"问题。另外,基于统计学习理论,本文还分析和探讨了多类目标扩码识别算法的推广性能。实测数据实验结果表明,半对半算法在计算速度和识别性能上有了明显的提高。(本文来源于《信号处理》期刊2009年06期）
任双桥,杨德贵,黎湘,庄钊文[8]（2009）在《分片支撑矢量机》一文中研究指出文中借鉴了分段线性识别的基本思想,提出了分片支撑矢量机模型.该模型首先将特征空间剖分成若干子空间,在每个子空间中基于支撑矢量机构造一个最优分类面,然后,将各个分类面链接起来构成一个分片最优分类面以逼近理论上的最优分类超曲面.同时,文中还从理论上分析探讨了其推广能力的界,为分片支撑矢量机模型提供了坚实的基础.最后,经典双螺旋线数据实验结果表明,相对于传统支撑矢量机,分片支撑矢量机的计算速度、分类能力以及推广能力均有了明显提高.(本文来源于《计算机学报》期刊2009年01期）
陈燕[9]（2009）在《基于区分矩阵与近似的支撑矢量机的医学影像库分类策略》一文中研究指出针对医学影像库信息量大、关联信息多、对象复杂等特点,将基于区分矩阵的属性约简算法与一种近似的支撑矢量机算法相结合实现了对医学影像库的正常、异常分类。基于区分矩阵的属性约简算法有效地降低了医学影像库的维度,而非线性的近似支撑矢量机算法则克服了标准支撑矢量机在实际应用中表现出来的算法速度慢、算法过于复杂而难于实现以及检测阶段运算量大等缺陷。实践证明了该方法的确具备简单、快速,高效的特点。(本文来源于《西安邮电学院学报》期刊2009年01期）
钟志明,武开有,徐以涛[10]（2009）在《小波分析与最小二乘支撑矢量机在调制识别中的应用》一文中研究指出自动调制识别是通信对抗及软件无线电等领域的一个重要研究课题。本文提出了一种使用小波分析与最小二乘支撑矢量机,对数字调制信号的识别方法。首先对接收到的信号进行小波去噪,然后提取其小波包分解系数模值的标准方差作为识别的特征参数,利用最小二乘支撑矢量机为分类器,对2ASK,4ASK,2PSK,4PSK,8PSK, 4QAM,16QAM,2FSK和4FSK九类数字信号进行分类识别。计算机仿真结果表明该方法有效,在信噪比为0dB时正确识别率达到99.01%。(本文来源于《数字通信世界》期刊2009年01期）
支撑矢量机论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本论文主要研究机器学习用于信息检索：排序学习、半监督核矩阵学习以及用户交互式图像检索。排序学习已经被成功用于文件检索,Ranking SVM是排序学习中一种常用的经典算法。然而,在Ranking SVM中,训练模型的时间复杂度很高,当训练集较大时,需要花费的时间很长。为解决该问题并提高排序的精度,本论文提出将集成学习的方法用于改进Ranking SVM,集成支撑矢量机排序提高了模型训练的效率,并获得较好的排序结果。半监督核矩阵学习旨在利用给定数据集中少量的已知信息(例如少量的标签或者对式约束)为该数据集学习一个核矩阵。本文给出一种新的约束信息自适应传递方法(CAP),设计两个自适应逼近项用于克服传统的半监督核矩阵学习方法对式约束传递(PCP)和核传递(KP)中偶尔会出现的信息缺陷问题。在CAP法中约束信息得到充分传递,因此比传统半监督核矩阵学习取得更好的效果。传统的基于区域的图像检索技术很难抓住用户的目标。为解决该问题,本文给出一种新的用户交互式图像检索系统。该系统的核心思想是利用少量的用户交互信息从查询图像中提取用户关注的查询目标,并用该目标对图像库进行检索。同时引入CAP半监督核矩阵学习方法,利用相关度反馈信息,对检索得到的初始结果主动进行核学习,并对检索图像进行重新排序。提高了图像检索的相关度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
支撑矢量机论文参考文献
[1].陈虎.基于参数优化的支撑矢量机及其在故障诊断中的应用[J].重庆交通大学学报(自然科学版).2017
[2].沈彦波.面向智能信息检索：集成支撑矢量机排序、约束自适应传递和交互式图像检索[D].西安电子科技大学.2012
[3].赵汇强,张玉萍,赵波.基于支撑矢量机的信源数估计[J].河北科技大学学报.2011
[4].艾朝霞,李成荣,拓耀飞.基于支撑矢量机的纸币序列号识别[J].榆林学院学报.2011
[5].余剑.基于多层支撑矢量机分类算法提取最优抗体集的研究[J].煤炭技术.2011
[6].刘卓.基于曲线波变换和核支撑矢量机的SAR自动目标识别方法研究[D].西安电子科技大学.2010
[7].任双桥,王宏强,黎湘,庄钊文.多类扩码支撑矢量机[J].信号处理.2009
[8].任双桥,杨德贵,黎湘,庄钊文.分片支撑矢量机[J].计算机学报.2009
[9].陈燕.基于区分矩阵与近似的支撑矢量机的医学影像库分类策略[J].西安邮电学院学报.2009
[10].钟志明,武开有,徐以涛.小波分析与最小二乘支撑矢量机在调制识别中的应用[J].数字通信世界.2009